This HTML5 document contains 12 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

PrefixNamespace IRI
category-eshttp://es.dbpedia.org/resource/Categoría:
dcthttp://purl.org/dc/terms/
wikipedia-eshttp://es.wikipedia.org/wiki/
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
dbpedia-eshttp://es.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
n11http://es.wikipedia.org/wiki/Criterio_de_información_bayesiano?oldid=124218920&ns=
n7http://rdf.freebase.com/ns/m.
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
owlhttp://www.w3.org/2002/07/owl#
provhttp://www.w3.org/ns/prov#
xsdhhttp://www.w3.org/2001/XMLSchema#
dbrhttp://dbpedia.org/resource/
Subject Item
dbpedia-es:Criterio_de_información_bayesiano
rdfs:label
Criterio de información bayesiano
rdfs:comment
En estadística, el criterio de información bayesiano (BIC) o el más general criterio de Schwarz (SBC también, SBIC) es un criterio para la selección de modelos entre un conjunto finito de modelos. Se basa, en parte, de la función de probabilidad y que está estrechamente relacionado con el Criterio de Información de Akaike (AIC). El BIC fue desarrollado por , quien dio un argumento bayesiano a favor de su adopción.​ Akaike también desarrolló su propio formalismo Bayesiano, que ahora se conoce como la ABIC por Criterio de Información Bayesiano de Akaike ".​
owl:sameAs
n7:07ggzf
dct:subject
category-es:Econometría
foaf:isPrimaryTopicOf
wikipedia-es:Criterio_de_información_bayesiano
dbo:wikiPageID
5969584
dbo:wikiPageRevisionID
124218920
dbo:wikiPageLength
5749
prov:wasDerivedFrom
n11:0
dbo:abstract
En estadística, el criterio de información bayesiano (BIC) o el más general criterio de Schwarz (SBC también, SBIC) es un criterio para la selección de modelos entre un conjunto finito de modelos. Se basa, en parte, de la función de probabilidad y que está estrechamente relacionado con el Criterio de Información de Akaike (AIC). Cuando el ajuste de modelos, es posible aumentar la probabilidad mediante la adición de parámetros, pero si lo hace puede resultar en sobreajuste. Tanto el BIC y AIC resuelven este problema mediante la introducción de un término de penalización para el número de parámetros en el modelo, el término de penalización es mayor en el BIC que en el AIC. El BIC fue desarrollado por , quien dio un argumento bayesiano a favor de su adopción.​ Akaike también desarrolló su propio formalismo Bayesiano, que ahora se conoce como la ABIC por Criterio de Información Bayesiano de Akaike ".​
Subject Item
wikipedia-es:Criterio_de_información_bayesiano
foaf:primaryTopic
dbpedia-es:Criterio_de_información_bayesiano
Subject Item
dbr:Bayesian_information_criterion
owl:sameAs
dbpedia-es:Criterio_de_información_bayesiano